AIエージェントで構成された医療システムを想像してみてほしい。症状評価用、予約用、保険用、薬局用の4つのエージェントがいる。それぞれがドメインの専門家だが、人間の審判なしでは患者ケアを調整できない。Outshift by CiscoのSVP兼GMであるVijoy Pandey氏は言う。「知能はすでにあります。欠けているのは、4人の見知らぬ人を1つのチームに変える結合組織です。」

Outshiftの解決策は、「エージェントのインターネット」（現在Linux Foundation傘下のオープンソースプロジェクトAGNTCY）と呼ばれる接続層の上に構築された「認識のインターネット」というセマンティック層です。これにより、エージェントは互いを発見し、身元を証明し、意図、コンテキスト、推論を共有できます。Pandey氏によれば、これは「分散型人工超知能への道のりの次のステップ」です。

長年、AIは垂直スケーリング（より大きなモデル、より多くのデータ、より多くの計算）に焦点を当ててきました。しかし、システム間の問題解決を可能にするには、次の軸は水平でなければなりません。マルチエージェントシステムは、ソフトウェア工学、創薬、科学シミュレーションですでにテストされていますが、結果は芳しくありません。ある研究では、7つのオープンソースマルチエージェントシステムの失敗率は41％から87％でした。「接続されたエージェントは、調整されたアクションをうまく処理します。見たことのある形状のタスクを分割して回します」とPandey氏は説明します。「彼らができないのは、共通の目標を持ち、訓練されていない何かに対して推論することです。」

修正策は、より良いプロンプトではなく、より良いアーキテクチャです。OutshiftのMycelium調整層（オープンソース）は、共有意図のための認識状態プロトコルを使用します。内部テストでは、構造化されていないグループは14のシナリオのうち約3分の1で決定に達しましたが、調整プロトコルはそれを93％に引き上げました。認識ファブリックは共有の組織記憶を提供し、「組織的健忘症」を防ぎ、ガードレール技術（GAT）を備えた認識増幅器は、セキュリティを維持しながら共有推論を可能にします。

しかし、認識共有にはリスクが伴います。意図しない委任、プロンプトインジェクション、メモリポイズニング、過剰権限エージェントなどです。そこで登場するのがContinuous Agent Semantic Authorization（CASA）です。これは、各ツールリクエストを元のタスクに対して継続的にチェックするオープンソースのGATです。例えば、患者の要約を指示されたエージェントがデータベース全体を照会し始めた場合、リクエストが一致しなくなるため拒否されます。「今日の制御はロールやセッションにスコープされており、タスクにはスコープされていません」とPandey氏は言います。「約90％の確率で、エージェントは自分が任された仕事に対してクリアされているかどうかを確認する方法がありません。」

Pandey氏は、企業に対し、現在人間の引き継ぎが必要な3〜4チームにまたがる1つのクロスファンクショナルワークフローから始めるようアドバイスします。「オープンで相互運用可能なインフラ上に小さなマルチエージェントシステムとして立ち上げ、測定可能なベースラインを設定してください」と彼は言います。「あるエージェントの洞察が別のエージェントをより良くした場所を追跡してください。それが水平軸が機能しているシグナルです。」彼が言うように、「問題は開かれており、インフラはまだ書かれています。今こそ構築する時です。」